首先，很庆幸自己遇到这样一位认真负责的SPSS课程老师。其次，我感觉SPSS是一个新世界的大门，它具有强大的分析能力，我也从中受益匪浅。
SPSS课程涉及较多的技术性操作。首先，在我们将数据录入SPSS之前，我们可以先把数据导入到excel中，在excel中将数据的格式整理好，再在SPSS里将整理好的文件打开，数据就自动的导入到SPSS中，这样可以避免导入数据时出现乱码。然后我们开始学习了简单的分析，比如描述统计（频率，描述，探索等简单分析）来对变量进行简单的描述统计，得到初步的分析；接着对变量进行较为深入的分析，比如单样本T检验，独立样本T检验，单因素方差分析，大概得出是否具有差异性；然后再深入进行变量的相关性分析，运用双变量分析，进行结构探索（比如用因子分析，对应分析和最优尺度），得到是否存在一定程度的关联，进一步用偏相关分析，进行差异化研究（T检验，方差，卡方）得到影响因素，量化目标，从中发现交互作用，控制其他变量计算变量间的相关性。其中有诸多需要注意的地方：1、单样本T检验,主要用于检验单个变量的均值与指定的检验值之间是否存在显著性差异,再者,样本均值与总体均值之间的差异显著性检验,也属于单样本T检验；2、独立样本T检验指的是两个彼此独立没有任何关联的样本之间，其所代表的总体平均数之间是否存在显著差异；3、独立样本T检验指的是指两个彼此独立没有任何关联的样本之间，其所代表的总体平均数之间是否存在显著差异；4、回归分析中，相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料。
今天，老师还讲了多项logistic回归分析，进行此操作要找一个参照类别，与要探索的变量进行比较，观察参数估计表中的风险值，风险值越大，越易发生。
SPSS人工智能的世界中还有树模型，神经网络等非常神奇的功能。总之，学这门课程真是令我受益匪浅！